Short Time Fourier Transform

More documents

Recommendations

Info

Perché dell’analisi tempo-frequenza• Segnali stazionari si possono analizzare conla trasformata di <strong>Fourier</strong>• Segnali non-stazionari si possono analizzarecon <strong>Fourier</strong>, si perdono però le informazionitemporali: in alternativa si può ad esempioutilizzare:• STFT (Risoluzione Costante in frequenza)• Wavelets (Miglior risoluzione in frequenza allebasse frequenze)2
Segnali non stazionari• La maggior parte dei segnali reali fisici è di tiponon stazionario, cioè con caratteristiche variabilinel tempo. Per esempio, una combinazione disinusoidi con diversi parametri (ampiezze A i ,tempi di inizio t i , frequenze dominanti f i , fasiiniziali ψ i e coefficienti di smorzamento a i )rappresenta molto bene un segnale nonstazionario.3
Page 1: Analisi di segnali nonstazionari:ST
Page 5 and 6: FFT di segnali non stazionari (2/2)
Page 10 and 11: STFT (specgram)Y1Y210
Page 12 and 13: Sinusoide a 200 Hz modulata dauna g
Page 14 and 15: Effetti in frequenza della finestra
Page 16 and 17: Migliorare la risoluzione in freque
Page 18 and 19: Localizzazione nel tempo e in frequ
Page 20 and 21: Dal PRINCIPIO DI INDETERMINAZIONE D
Page 22 and 23: 0.1Angolo sala / accelerazione0-0.1
Page 24 and 25: Misure di vibrazione su motoremotoc
Page 26 and 27: Misure di vibrazione su motoremotoc
Page 28 and 29: 4 frequenze contenute28
Page 30 and 31: STFT: finestra “breve”30
Page 32 and 33: STFT: finestra “lunga”32
Page 34 and 35: Risoluzione variabile• Per ottene
Page 36 and 37: Concetto di wavelet• Il prototipo
Page 38 and 39: Frequenza e scala• È immediato n
Page 40 and 41: Wavelet continue come convoluzione
Page 42 and 43: Scala maggiore (freq minori)42
Page 44 and 45: Esempio44
Page 46 and 47: Wavelet: Frequenza variabile nel te
Page 48: Esempio 248

Short Time Fourier Transform

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?